多平台多目标运动建模与仿真

针对现代战场环境下多平台多目标运动的特点,建立了各种机动、非机动目标运动模型,主要有蛇形机动、转弯和导弹比例导引等几种常见运动模型,并运用Matlab软件分别对其进行了计算机仿真。仿真结果表明,建立的数学模型与实际的目标运动基本是吻合的,可以用来描述目标的运动。     

水中微气泡上浮过程的力学影响因子研究

从受力分析的角度,对气泡运动方程进行了推导,并对半径在40~500μm之间的微小气泡上浮过程进行了仿真计算。结果表明,当半径小于500μm、气泡上浮距离大于0.1 m时,可忽略加速过程对气泡上浮速度的影响。在此基础上,对气泡运动方程进行了详细分析,结果表明,阻力系数与粘滞系数是影响气泡上浮速度的主要因素,它们的取值与上浮速度成反比,并得出了Re≤150条件下的微气泡运动通用的阻力系数表达式。     

考虑退化-冲击竞争失效的系统可靠性建模

针对在复杂环境中工作的关键系统,提出一种考虑退化-冲击关联竞争失效的可靠性建模方法。选取Wiener过程和齐次泊松过程分别描述自然退化与随机冲击,通过冲击造成的退化增量表示退化-冲击之间的关联性,基于此建立退化-冲击关联竞争失效的退化模型和可靠性模型;通过定期检测获取系统退化数据,采用极大似然法估计退化模型参数;以陀螺仪为例,通过对比分析和敏感性分析验证了模型的有效性和应用价值。     

孙中山与援闽粤军

“援闽粤军”是孙中山先生亲自组建的一支由革命党人掌握的武装力量 ,是国民党最早的“党军”。在孙中山的呵护、裁培下 ,援闽粤军在福建成长、壮大 ,建立了闽南护法区 ,并最终打回广东 ,推翻了桂系军阀的统治。孙中山适时调整政策 ,为援闽粤军的生存发展争取相对宽松的环境 ,孙中山是援闽粤军的总军师和“后勤部长”。     

变结构多模型估计第Ⅱ部分——模型集合自适应

变结构多模型(VSMM)估计的一个重要、自然和实用的方法是递归自适应模型集(RAMS)方法。此方法的关键是在理论上和实践上都具有挑战性的模型集自适应(MSA)。本文在理论上对MSA进行了研究。根据假设检验,阐明了MSA的各种典型问题,而这些假设一般是复合的,N元的,多变量的,更糟糕的是,不一定不相交。给出了一定数量的序列方案,这些方案在计算上都是高效的,容易实现的,并具有一些令人满意的最优特性。这些结果构成了建立性能良好,通用和实用的MSA算法的理论基础。在这里给出的理论结果已经应用于这系列后续部分的几种RAMS算法,这些算法都是应用广泛,容易实现并且明显优于当前的最佳固定结构多模型估计器。同时,它们对于变结构和固定结构多模型估计器的模型集对比、选择和设计都很重要。     

变结构多模型估计第Ⅳ部分——模型群切换算法的设计和评估

在第Ⅲ部分提出了一种称为模型群切换算法(MGS)的变结构多模型(VSMM)估计器它是第一种通用的、可应于一大类具有混合(连续或离散)不确定性问题的VSMM估计器.在这种算法中,模型集合通过在一定数目预先确定的模型群之间的切换来实现自适应.它比固定结构MM(FSMM)估计器,包括交互多模型估计器(IMM)具有更大的潜力获得更高的费效比.本文研究了算法应用中的一些比较重要的问题,包括模型群自适应逻辑和模型群的设计.研究的结果通过一个机动目标跟踪问题的详细设计例子进行了演示.这个跟踪问题使用一个时变模型集合,每个模型由目标的加速度期望值表征.仿真结果用来证实在仔细设计和非常随机和确定的情况下,MGS算法同使用所有模型的固定结构IMM(FSIMM)估计的性能(基于更合理和完全的度量,而不是仅使用通常的rms误差)和计算复杂程度的比较.     

兵团知识二十八问

1952年2月1日,毛泽东主席发布的“关于部分部队集体转业的命令”主要内容是什么?我批准中国人民解放军XXX军XXX师转为中国人民解放军XXX师的改编计划,将光荣的祖国经济建设任务赋予你们,你们过去曾是久经煅炼的有高度组织性、纪律性的战斗部队,我相信你们将在生产建设战线上,成为熟练技术的建设突击队。你们将以英雄的榜样,为全国人民的,也就是为自己的,未来的幸福生活,在新的战线上奋斗,并取得辉煌的胜利。你们现在可以把战斗的武器保存起来,拿起生产建设的武器,当祖国有事需要召唤你们的时候,我将命令你们重新拿起战斗的武器,捍卫祖国。     

威布尔分布场合下无失效数据的Bayes分析

通过对分布函数进行变换,使变换后的函数成为凹函数,利用凹函数性质给出了各检测时刻失效概率的Bayes估计,进而得到了产品可靠性指标的估计。最后,通过对实际数据进行计算,验证了方法的稳定性。     

外弹道数据融合实时算法研究

信息融合技术可以大大减轻指挥决策的工作量,增加信息置信度,减少模糊性,改善系统可靠性.针对靶场实时测控数据处理中急待解决的成片野值干扰等难题,在实时环境中采用数据融合处理方法,讨论了外弹道数据融合实时算法所面临的关键技术,并通过分析与论证得出可行性结论.结论对进一步的系统设计与软件实现具有指导意义.     

运动目标轨迹分类与识别

运动目标轨迹识别是运动分析中的基本问题,其目的是解释所监视场景中发生的事件,对所监视场景中运动目标轨迹的行为模式进行分析与识别,智能地做出自动分类.对轨迹有效性判断后采用K均值聚类,引入改进的隐马尔可夫模型算法,针对轨迹的复杂程度对各个轨迹模式类建立相应的隐马尔可夫模型,利用训练样本训练模型得到可靠的模型参数,计算测试样本对于各个模型的最大似然概率,选取最大概率值对应的轨迹模式类作为轨迹识别的结果,对两种场景中聚类后的轨迹进行训练与识别,平均识别率较高,实验结果表明该方法是有效的.